Drex for Finance vs Gemini beslut 1: Två sätt att köpa en sannolikhet

Lägg databladen sida vid sida och Drex for Finance och G​emini Decision 1 ser ut som samma produkt från två företag. Båda tar ett block med indata och en uppsättning typade frågor, båda returnerar ett poängsatt svar per fråga utan genererad text, båda klarar en förfrågan på 262 144 token, och båda kostar cent per miljon indatatoken i stället för dollar. Likheten slutar vid det man faktiskt skulle köpa dem för. G​emini Decision 1, som släpptes den 11 november 2026 på G​oogle's Developer API, är en allmän beslutsmodell vars utmärkande förmåga är att veta när den ska avstå; Drex for Finance, allmänt tillgänglig sedan den 2 november 2026 för $0,03 per miljon indatatoken, är en domänfinjusterad modell vars utmärkande förmåga är att läsa ett finansiellt dokument och få femton svar rätt på en gång. Med nio dagars mellanrum, samma form på förfrågan, motsatta satsningar – och ingen publicerad körning har någonsin ställt dem på samma skala.

Jämförelsen som ingen har gjort

Det här är det första du behöver förstå, eftersom det avgör hur mycket av resten av den här texten du kan agera utifrån.

Siffrorna för Gemini Decision 1 kommer från Artificial Analysis, enligt dess Decision Index v2.1 – arton modeller rankade, ett viktat sammansatt mått av sex utvärderingar, där var och en poängsätts som träffsäkerhet minus Brier-straffet för sannolikheten som modellen angav för sitt svar. Den får 66,0, vilket är nionde av arton, strax över resultattavlans median på 64.

Siffrorna för Drex for Finance kommer från Nace, på ett Drex Finance Index som bygger på 48 undanhållna finansiella testset. Det får 77,3 poäng. Drex for Finance finns inte alls med på Artificial Analysis-tavlan.

Så de två huvudnumren är 66 och 77,3; de finns på olika instrument, de mäter olika populationer av uppgifter, och att subtrahera dem ger ett tal utan mening. Den som gör det – och de versioner av den här jämförelsen som redan finns online gör det – jämför en poäng från en allmän resultattavla med en leverantörs egen domänpoäng och kallar skillnaden för en vinnare. Det ärliga påståendet är att det enda överlappande beviset ligger ett steg bort: Drex Max v1.1, den överordnade checkpoint som Drex for Finance finjusterades från, finns faktiskt med på Artificial Analysis-tavlan, och den ligger ohotat i topp där med 73,4 – först av arton, 7,4 poäng före G​emini Decision 1:s 66,0. Det är en stark signal om basmodellen och ingen signal alls om finjusteringen, eftersom domänträning kan ge stora vinster på ett dokumenttest och små förluster på ett kunskapstest, och inget som publicerats skiljer dessa två effekter åt för denna checkpoint. Det är också anledningen till att 66 och 77,3 inte får läsas som en lucka i någon riktning.

Vad var och en faktiskt är byggd för att göra

Arkitekturerna förklarar divergensen bättre än någon poäng gör.

• Form — Drex for Finance är en finjustering av Drex Max, en beslutsmodell med en visionsencoder. Gemini Decision 1 är en först-i-serien-beslutsmodell från Google DeepMind, på sin egen POST /v1beta/decisions-endpoint, separat från generate-content-sökvägen.

• Utbildningsinriktning — nio namngivna finansområden hos Nace: bank och betalningar, redovisning och revision, kredit och utlåning, försäkring, regelefterlevnad och risk, inlämningar och rapporter, marknader och investeringar, ESG, treasury och drift. Google publicerar ingen utbildningsbeskrivning utöver modellen och API:et.

• Omfattningen av en förfrågan – båda tillåter ungefär 1 000 frågor i en omgång, men formerna skiljer sig. Gemini Decision 1 begränsar till 1 000 frågor per förfrågan och debiterar den delade indatan en gång. Drex for Finance ger dig 262 144 token för hela förfrågan, med ett obegränsat antal frågor enligt dokumentationen, vilket gynnar många korta frågor framför ett långt dokument.

• Avståenden – G​emini Decision 1:s ja/nej-typ returnerar en sannolikhet begränsad till 0,01–0,99, så ett tröskelvärde satt över 0,99 kan aldrig utlösas; dess ledning på AA-Omniscience och HLE-MultiChoice är i huvudsak en ledning i att avstå snarare än att gissa. Drex for Finance returnerar P(true) i [0,1] utan dokumenterad gräns, och ingen publicerad icke-hallucineringsfrekvens alls.

• Hantering av alternativ – Gemini Decision 1 sorterar dina alternativnycklar alfabetiskt i UTF-8-byteordning innan poängsättning, så oavgjorda fall avgörs till förmån för den alfabetiskt första nyckeln, och Googles egen vägledning är att namnge en uppsamlingskategori "other" snarare än "none_of_the_above". Nace dokumenterar ingen sådan normalisering, vilket inte är samma sak som att säga att den inte sker – det är samma sak som att säga att du inte kan förlita dig på den åt något håll.

• Pris — Drex for Finance $0,03 per miljon indatatoken, utdata debiteras inte. G​emini Decision 1 $0,10 per miljon indatatoken, utdata ej tillämpligt. Enligt Artificial Analysiss mått på uppgiftsfrekvens uppgår G​emini Decision 1 till $345 per miljon beslut; motsvarande siffra för Nace-modellen publiceras inte på den basisen.

• Åtkomst — Drex for Finance via leverantörens API, dess SDK:er, dess CLI och en fjärransluten MCP-server, med en gratisnivå på 100 beslut per dag på upp till 32 KB vardera. Gemini Decision 1 på Gemini Developer API endast i v1beta — ingen Vertex AI-listning, inget Batch API, ingen kontextcachning.

Där den generella modellen vinner, och det är inte en liten uppsättning

Tre av dessa rader är avgörande beroende på din arbetsbelastning.

Kalibrering. Decision Index straffar ett självsäkert felaktigt svar hårdare än ett osäkert, och det är därför G​emini Decision 1 ligger där det ligger. Om din pipeline dirigerar utifrån sannolikheten – godkänn över 0,95, eskalera under 0,6 – ligger värdet i talet helt och hållet i om 0,95 betyder 95 %. G​oogles begränsade utdata plus dess förstaplats i de två kunskapskomponenterna är bevis för det; Nace publicerar noggrannhet och en kategoriuppdelning men ingen kalibreringskurva, så Drex-sannolikheten är en poäng du måste validera själv innan du använder den som beslutskriterium.

Ett pass, många regler. Tusen frågor per begäran mot en enda delad indata är en genuint annorlunda förmåga än en mycket lång enskild kontext. Ett supportärende som kontrolleras mot fyrtio policyregler i ett enda anrop, och debiteras en gång för indatan, är den typ av uppgift där formen hos G​emini Decision 1 är bättre än ett kontextfönster på 262K, eftersom kostnaden skalas med frågorna i stället för med texten du upprepar.

Modalitetsbredd.Drex for Finance läser text samt PNG-, JPEG- och WebP-bilder, upp till åtta per begäran. G​emini Decision 1 tar emot text, bild, video, ljud och PDF i en begäran, upp till 100 MB inline-base64, 50 MB för PDF-filer. Om ett beslut beror på en inspelning av ett telefonsamtal eller en bildruta från en video kan bara en av dessa två se det.

Där specialisten vinner

Motfallet är snävare men det är verkligt, och det handlar om vad som händer med dokument som behöver flera svar på en gång för att alla ska vara korrekta.

På AA-Paperclip – 30 % av G​emini Decision 1:s sammansatta resultat, och den tyngsta enskilda komponenten – klarar G​emini Decision 1 33 % av dokumenten direkt, jämfört med 63 % för Drex Max v1.1. Testet består av 1 500 privata CV:n, kvitton, fakturor och dokument, som vart och ett innehåller fem beslut och tio fakta, och bedöms enligt allt-eller-inget per dokument. Drex for Finance finjusterades på exakt det materialet: fält för fakturor och kvitton, klassificering av huvudbokskonton, dubblettfakturor, avstämningsavvikelser, revisionsurval, 10-K- och XBRL-taggning. Nace rapporterar 92,3 på Documents & extraction och 96,7 på Financial QA & filings, båda körda av leverantören.

Om ditt beslut är ”läs den här fakturan och säg mig om den är en dubblett av en som redan betalats” är den allmänna resultattavlans sammanvägda poäng i stort sett irrelevant och domänfinjusteringen i stort sett hela svaret. Det är argumentet för att betala specialisttaxa för en specialistmodell — och det är också därför som 77,3 och 66 inte bör jämföras: de är poängen för två modeller på de två uppgiftspopulationer som var och en valdes ut för att vara bra på.

Två ärliga svaga punkter på Nace-sidan, eftersom tabellen är leverantörens: Credit & risk får 48,3, det lägsta absoluta talet i finansieringstabellen, och Markets & reasoning får 41,5, den enda kategorin där modellen inte är först — pplx-decider v1.2 får 43,1. Båda redovisas i Naces eget lanseringsinlägg, vilket är mer än de flesta leverantörer gör, och båda begränsar vad finanscheckpointen bör betros.

Kostnad, i den skala som ett beslutsflöde faktiskt körs

Ett fall på 4 000 token som poängsätts en gång kostar cirka $0,00012 på Drex for Finance och cirka $0,0004 på G​emini Decision 1. Ingen av dem är det tal som avgör något; vid en miljon beslut i månaden är skillnaden ungefär $280, vilket är mindre än ingenjörsveckan som läggs på migrering.

Det som avgör saken är den omgivande arkitekturen. G​emini Decision 1 har ingen kontextcachning och inget Batch API, så samma policydokument på 40 000 token faktureras i sin helhet vid varje begäran, och det finns ingen nattlig genomsökning av historiska ärenden till halva priset. Drex for Finance har inte heller någon av funktionerna, och faktureringen sker per begäran i stället för per fråga, vilket innebär att kostnaden för att ställa fyrtio frågor om ett dokument är dokumentets tokenantal, en gång. I en arbetsbelastning med många frågor och kort indata vänder det helt på rangordningen per token: G​emini Decision 1:s $0,10 ger dig tusen frågor, medan samma tusen frågor mot ett kort ärende är en enda Drex-begäran till $0,03 per miljon token.

Hur man når någon av dem, ärligt talat

Vi tillhandahåller inte gemini-decision-1 och inte heller drex-max-finance. En endpoint som bara returnerar sannolikheter är inte ett mål för chat-completions, så en router av vår utformning har inget ärligt sätt att sätta någon av dem bakom en enda nyckel, och att påstå något annat skulle misslyckas vid den första förfrågan.Det vi däremot tillhandahåller är TypeSafes typesafe/jev-1.14 för $0,042 per miljon indata- och utdatatokens på systemone – samma förfrågningsformat som Nace's API är kompatibelt med på protokollnivå, och en modell på samma resultattavla med arton modeller som G​emini Decision 1, med 66,2 mot 66,0.

Vilket gör det till det praktiska tredjealternativet i den här jämförelsen snarare än en fotnot. Om själva beslutet är oomtvistat och det du behöver är en enda slutpunkt för hela pipelinen – beslutsanropet, utkastanropet som skriver analytikerns anteckning, eskaleringsanropet som granskar de flaggade ärendena – då är beslutsbenet som körs på samma nyckel som mer än 200 andra modeller, till leverantörens listpris som vidaresänds utan påslag per token, värt mer än en tvåpunkters fördel på ett sammansatt mått. Om beslutet är hela produkten, köp specialisten från leverantören och dirigera resten.

Vad skulle avgöra det?

Ett experiment, och ingen har kört det. Ta några hundra riktiga finansdokument – fakturor med känd dubblettstatus, inlämningar med kända taggar – och poängsätt dem med båda modellerna enligt samma bedömningsmall. Den där enda körningen skulle ersätta varje siffra i den här artikeln med en jämförbar sådan och berätta för dig om domänfinjusteringens fördel överlever kontakten med en oberoende testrigg.

Till dess att den finns är den korrekta tolkningen att dessa inte är konkurrenter. G​emini Decision 1 är det bättre valet när sannolikheten måste vara tillförlitlig, frågorna är många eller indata inte är text. Drex for Finance är det bättre valet när indata är ett finansdokument, svaren måste vara rätt alla på en gång och ärendevolymen gör $0.03 per miljon tokens till den gräns som spelar roll. Båda påståendena går att försvara utifrån publicerade siffror. Jämförelsen som placerar dem på en och samma resultattavla gör det inte, och det dröjer ett tag innan en sådan finns.